前言
推薦算法有很多,最基礎的就是協同過濾,前段時間對KTV數據比較感興趣,大家去唱歌也只是唱熟悉的歌,那是不是有辦法給大家一些建議拓展一下唱歌的寬度呢。KTV推薦可能要考慮很多因素,比如唱歌者的音域,年齡,地區,喜好,等等。第一版算法暫時只從item base的角度出發去給用戶推薦。由於是個人興趣,所以沒有模型反饋迭代的過程,有興趣的可以自己實現。
協同過濾算法
協同過濾又叫行爲相似召回,其實就是基於共現的一種相似度計算。 Item Base的協同過濾算法有幾個關鍵概念:
相似度計算
相似度計算有很多種:共現相似度,歐幾里得距離,皮爾遜相關係數,等等這裏使用的是共現相似度,公式如下:
其中N(i)爲喜歡i歌曲的用戶數,同樣N(j)爲喜歡j歌曲的用戶數,分子爲同時喜歡i,j的用戶數。該公式爲改良公式,分子中加入了N(j)對相似度進行懲罰。這裏不細講。
ItemBase和UserBase
UserBase
尋找興趣相似的用戶,然後將偏好相同的用戶的歌曲推薦給被推薦用戶,表中發現A和C用戶都喜歡i和k歌曲所以兩個用戶相似,所以將C用戶的歌曲l推薦給A用戶。如果用共現的方式去表述就是。這裏細節計算的時候會涉及到用戶打分和相似用戶數據排序彙總。我這裏都是概述。
用戶/歌曲 | 歌曲i | 歌曲j | 歌曲k | 歌曲l |
---|---|---|---|---|
用戶A | 1 | 1 | 推薦 | |
用戶B | 1 | |||
用戶C | 1 | 1 | 1 |
ItemBase
與UserBase類似,計算相似的時候使用的是歌曲矩陣找到相似的歌曲,然後根據用戶歷史數據進行推薦,大概原理如下表。表中發現i,k歌曲同事被A,B兩個用戶喜歡,所以i,k相似,如果C用戶喜歡i歌曲那麼他應該也喜歡相似的k歌曲.
用戶/歌曲 | 歌曲i | 歌曲j | 歌曲k |
---|---|---|---|
用戶A | 1 | 1 | |
用戶B | 1 | 1 | 1 |
用戶C | 1 | 推薦 |
這裏使用的是ItemBase
算法實現
得到用戶對歌曲的one hot矩陣
- 將歌曲去重,按歌名排序
- 得到歌曲和索引的轉換字典
計算得到歌曲對歌曲的共現度矩陣
- 計算共現矩陣
- 計算單個歌曲的出現次數
- 計算共現率值公式計算共現度
推薦
如果用戶喜歡i歌曲則
得到推薦歌曲爲k歌曲
代碼實現
獲取數據
import elasticsearch
import elasticsearch.helpers
import re
import numpy as np
import operator
def trim_song_name(song_name):
"""
處理歌名,過濾掉無用內容和空白
"""
song_name = song_name.strip()
song_name = re.sub("-?【.*?】", "", song_name)
song_name = re.sub("-?(.*?)", "", song_name)
song_name = re.sub("-?(.*?)", "", song_name)
return song_name
def get_data(size=0):
"""
獲取uid=>作品名list的字典
"""
cur_size=0
ret = {}
es_client = elasticsearch.Elasticsearch()
search_result = elasticsearch.helpers.scan(
es_client,
index="ktv_works",
doc_type="ktv_works",
scroll="10m",
query={}
)
all_songs_list = []
all_songs_set = set()
for hit_item in search_result:
cur_size += 1
if size>0 and cur_size>size:
break
item = hit_item['_source']
work_list = item['item_list']
ret[item['uid']] = [trim_song_name(item['songname']) for item in work_list]
return ret
def get_uniq_song_sort_list(song_dict):
"""
合併重複歌曲並按歌曲名排序
"""
return sorted(list(set(np.concatenate(list(song_dict.values())).tolist())))
相似度計算
import math
# 共現數矩陣
col_show_count_matrix = np.zeros((song_count, song_count))
one_trik_matrix = np.zeros(song_count)
for i in range(song_count):
for j in range(song_count):
if i>j: # 對角矩陣只計算一半的矩陣
one_trik_matrix = np.zeros(song_count)
one_trik_matrix[i] = 1
one_trik_matrix[j] = 1
ret_m = user_song_one_hot_matrix.dot(one_trik_matrix.T)
col_show_value = len([ix for ix in ret_m if ix==2])
col_show_count_matrix[i,j] = col_show_value
col_show_count_matrix[j,i] = col_show_value
# 相似度矩陣
col_show_rate_matrix = np.zeros((song_count, song_count))
# 歌曲count N(i)矩陣
song_count_matrix = np.zeros(song_count)
for i in range(song_count):
song_col = user_song_one_hot_matrix[:,i]
song_count_matrix[i] = len([ix for ix in song_col if ix>=1])
# 相似度矩陣計算
for i in range(song_count):
for j in range(song_count):
if i>j: # 對角矩陣只計算一半的矩陣
# 相似度計算 N(i)nN(j)/sqart(N(i)*N(j))
rate_value = col_show_count_matrix[i,j]/math.sqrt(song_count_matrix[i]*song_count_matrix[j])
col_show_rate_matrix[i,j] = rate_value
col_show_rate_matrix[j,i] = rate_value
推薦
import operator
def get_songs_from_recommand(col_recommand_matrix):
return [(int_to_song[k],r_value) for k,r_value in enumerate(col_recommand_matrix) if r_value>0]
input_song = "十年"
# 構造被推薦矩陣
one_trik_matrix = np.zeros(song_count)
one_trik_matrix[song_to_int[input_song]] = 1
col_recommand_matrix = col_show_rate_matrix.dot(one_trik_matrix.T)
recommand_array = get_songs_from_recommand(col_recommand_matrix)
sorted_x = sorted(recommand_array, key=lambda k:k[1], reverse=True)
# 獲取推薦結果
print(sorted_x)
結果
[('三生三世', 0.5773502691896258), ('下個路口見', 0.5773502691896258), ('不分手的戀愛', 0.5773502691896258),...]